Tsinghua University（清华大学）

Graph-Operator World Models for Morphology-Parameter Generalization in Continuous Control

用于连续控制中形态参数泛化的图算子世界模型

Xu Yang, Yiqin Yang, Qianchuan Zhao

机构 * Tsinghua University（清华大学） ； Chinese Academy of Sciences（中国科学院） 纠错

AI总结 提出GraphOp-WM结构化世界模型，通过分解转移为形态无关局部基与形态相关算子，实现连续控制中铰接机器人家族的形态参数泛化，定义MuJoCo参数划分验证方法。

Certified Multi-Turn Robustness for LLM Safety via Compositional Bounds and Safety Persistence

通过组合边界与安全持久性实现大语言模型安全的多轮认证鲁棒性

Yang Liu, Bin Chong, Wenkai Yang, Shuai Zhang, Yancheng Chen, Feiyu Han, GuoZhen, Cheng Zhang, Huaibing Xie, Changze Lv, Shihan Dou, Pluto Zhou

机构 * Peking University（北京大学） ； Renmin University of China（中国人民大学） ； Tsinghua University（清华大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯混元） 纠错

AI总结 针对LLMs易受多轮越狱攻击的问题，提出MTCR框架，通过状态对抗MDPs等方法实现多轮认证鲁棒性，实验表明其经验安全性能超认证边界。

ForeTime-VLA: Causal Future-Token Distillation from a World Action Model for Conveyor-Belt Manipulation

ForeTime-VLA：面向传送带操作的世界动作模型的因果未来令牌蒸馏

Siyuan Ma, Yutian Zhang, Boshi Zhang, Qinglian Wu, Jiaqi Zhai, Dong Wei, Xiaojin Huang

机构 * Tsinghua University（清华大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Hangzhou Yunshenchu Technology Co., Ltd. (DEEP Robotics)（杭州云深处科技有限公司（深地机器人）） 纠错

AI总结 该研究提出ForeTime-VLA策略，通过从冻结Fast-WAM教师模型蒸馏因果未来令牌，在传送带操控任务上降低了MAE和L2误差，提升了抓取成功率，验证了该方法的有效性。

Comments 8 pages, 5 figures. Introduces ForeTime-VLA, a causal future-token distillation method for conveyor-belt manipulation from a frozen world action model teacher

ASTAR: Automated induction of STAndardized radiology Reporting templates from large-scale clinical free-text corpora

ASTAR：从大规模临床自由文本语料库自动生成标准化放射学报告模板

Xinfeng Zhang, Mingxuan Liu, Yifei Chen, Juncheng Zhu, Kasidit Anmahapong, Yiming Huang, Yuan Zhang, Hongjia Yang, Yi Liao, Gang Ning, Haibo Qu, Qiyuan Tian

机构 * Tsinghua University（清华大学） ； Sichuan University（四川大学） ； University of California San Diego（加利福尼亚大学圣迭戈分校） ； Southeast University（东南大学） 纠错

AI总结 该研究针对放射学报告模板构建的人工瓶颈，提出基于LLM的ASTAR框架，从大规模临床自由文本语料库自动生成标准化模板，实验显示其性能优于专家构建的模板，大幅缩短模板开发时间。

Comments Accepted by MICCAI